Source: https://jmrplens.github.io/phonometry/es/guides/sound-level-meter/ Un sonómetro no es un algoritmo, sino una breve cadena de ellos, e IEC 61672-1 especifica cada etapa. phonometry implementa cada etapa como una función independiente y componible; esta página las ensambla, en orden, en un sonómetro funcional. Todos los fragmentos se ejecutan tal cual (las señales se sintetizan para que la página sea autocontenida), y cada etapa enlaza con la guía de fondo que la explica por completo. ```mermaid flowchart LR A["Tono de calibrador\n(IEC 60942)"] --> B["sensitivity()"] B --> C["Ponderación frecuencial\nweighting_filter('A')"] C --> D["Ponderación temporal\ntime_weighting('fast')"] D --> E["Pantalla + percentiles\nLAF(t), ln_levels"] C --> F["Niveles integrados\nlaeq / sel / lc_peak"] C -.-> G["Bandas de octava\noctave_filter (IEC 61260-1)"] E --> H["Informe"] F --> H G --> H ``` Los fragmentos de esta página se apoyan unos en otros: ejecútalos de arriba abajo en una misma sesión (o pega la página entera en un script). ## 1. El escenario Un sonómetro necesita dos grabaciones de la *misma* cadena de entrada: el tono de calibrador que ancla los números digitales a pascales, y la propia medición. Aquí ambas se sintetizan para que puedas ejecutar la página en cualquier parte; en una medición real proceden de tu micrófono. ```python from phonometry import metrology fs = 48000 # Tono de calibrador: 94 dB SPL = 1 Pa RMS a 1 kHz (IEC 60942). # Sintetizado aquí; en campo, graba unos segundos de tu calibrador. calibrator = np.sqrt(2) * np.sin(2 * np.pi * 1000 * np.arange(3 * fs) / fs) # Medición "de calle": 10 s de ruido rosa de fondo más un evento de 1 s a # 1 kHz, tipo bocina, para que los niveles estadísticos tengan algo que separar. recording = metrology.noise_signal(fs, 10.0, color="pink", rms=0.02, seed=7) recording[4 * fs : 5 * fs] += 0.2 * np.sqrt(2) * np.sin( 2 * np.pi * 1000 * np.arange(fs) / fs ) ``` ## 2. Calibra: da significado físico a las muestras Las muestras digitales son adimensionales; el **factor de sensibilidad** las convierte a pascales. `sensitivity()` lo calcula a partir de la grabación del calibrador y, de paso, valida la estabilidad a corto plazo de la grabación igual que IEC 60942 cualifica el propio calibrador, de modo que un micrófono mal acoplado se detecta aquí en lugar de corromper todos los niveles posteriores. ```python cal = metrology.sensitivity(calibrator, target_spl=94.0, fs=fs) # cal está en Pa por unidad digital; todas las funciones de nivel lo aceptan # como calibration_factor. Para este tono sintético vale ≈1,0. ``` Guía de fondo: [Calibración y dBFS](/phonometry/es/guides/calibration/), que cubre también la calibración desde una sensibilidad de micrófono conocida y el modo digital dBFS que se usa cuando no existe referencia física. ## 3. Pondera: frecuencia y tiempo (IEC 61672-1) El sonómetro nunca muestra la presión en bruto. La señal pasa primero por la **ponderación frecuencial A** (la curva de respuesta del oído de IEC 61672-1), se eleva al cuadrado y se suaviza con el **detector exponencial Fast** (constante de tiempo de 125 ms). El resultado es el nivel móvil que sigue la pantalla de un sonómetro, LAF(t): ```python pressure = cal * recording # unidades digitales -> Pa weighted = metrology.weighting_filter(pressure, fs, curve="A") envelope = metrology.time_weighting(weighted, fs, mode="fast") # media cuadrática en Pa^2 laf_t = 10 * np.log10(np.maximum(envelope, 1e-12) / (2e-5) ** 2) # laf_t alcanza unos 80 dB durante el evento y se asienta cerca de 55 dB entre medias. ``` Rara vez escribirás esta cadena a mano: todas las funciones de nivel del paso siguiente aplican la ponderación frecuencial internamente, y los niveles percentiles reconstruyen por ti esta envolvente Fast. Las métricas de energía (Leq, SEL) integran directamente la señal ponderada al cuadrado, sin balística, exactamente como hace un sonómetro. La cadena se muestra aquí porque *es* la pantalla del sonómetro. Guías de fondo: [Ponderación frecuencial (A, C, G, Z)](/phonometry/es/guides/weighting/) y [Ponderación temporal](/phonometry/es/guides/time-weighting/). ## 4. Integra: los números que reporta un sonómetro Una sola pasada sobre la grabación calibrada produce las lecturas estándar: el **LAeq** equivalente en energía, los **niveles percentiles** que describen cómo fluctuó el nivel (L90 es el fondo, L10 los eventos), el **nivel de exposición sonora** que normaliza el evento a un segundo, y el **pico** con ponderación C para contenido impulsivo. ```python la_eq = metrology.laeq(recording, fs, calibration_factor=cal) # ≈70,2 dB ln = metrology.ln_levels( recording, fs, n=(10, 50, 90), weighting="A", calibration_factor=cal ) # L10 ≈78,0, L50 ≈55,1, L90 ≈54,9 lae = metrology.sel(recording, fs, weighting="A", calibration_factor=cal) # ≈80,2 lc_pk = metrology.lc_peak(recording, fs, calibration_factor=cal) # ≈84,4 print(f"LAeq {la_eq:.1f} dB | L10 {ln[10]:.1f} | L90 {ln[90]:.1f} " f"| LAE {lae:.1f} | LCpeak {lc_pk:.1f}") ``` Fíjate en la aritmética que codifican los números: el evento de 1 s domina el LAeq (está 25 dB por encima del fondo, mucho más de los 10 dB que el fondo, nueve veces más largo, recupera por duración), el LAE es el LAeq más 10 log10 de los 10 s de duración, y el L90 apenas nota el evento. Guía de fondo: [Niveles integrados y estadísticos](/phonometry/es/guides/levels/), que añade dosis de ruido, Lden y niveles de valoración, y espectrogramas de octava. ## 5. Filtra en bandas: la vista de espectro (IEC 61260-1) Un sonómetro de clase 1 con juego de filtros reporta niveles por banda. `octave_filter` descompone la señal calibrada en bandas de octava fraccional cuyo diseño está anclado a los bordes de banda de IEC 61260-1; `nominal=True` las etiqueta con las frecuencias preferentes que leerías en un instrumento. ```python spl, bands = metrology.octave_filter( recording, fs, fraction=3, calibration_factor=cal, nominal=True ) # 33 niveles de banda de tercio de octava en dB SPL, etiquetados '12.5' ... '20k'. # La banda '1k' contiene el evento: ≈70 dB, con sus vecinas ≈25 dB por debajo. print(dict(zip(bands, np.round(spl, 1)))) ``` Guías de fondo: [Bancos de filtros](/phonometry/es/guides/filter-banks/) para las arquitecturas de filtro y el modo de fase cero, [Procesado por bloques](/phonometry/es/guides/block-processing/) para streaming, y [Multicanal y rendimiento](/phonometry/es/guides/multichannel/) para arrays. ## 6. Verifica: ¿es este sonómetro de clase 1? Un instrumento real solo es un "sonómetro de clase 1" cuando sus ponderaciones y filtros superan los límites de aceptación de las normas. La biblioteca incluye los mismos verificadores que se aplica a sí misma en CI: `verify_weighting_class` barre un `WeightingFilter` contra los límites de la Tabla 3 de IEC 61672-1, y `verify_filter_class` barre un `OctaveFilterBank` contra los límites de la Tabla 1 de IEC 61260-1. ```python wf = metrology.WeightingFilter(fs, curve="A") print(metrology.verify_weighting_class(wf)["overall_class"]) # 1 bank = metrology.OctaveFilterBank(fs, fraction=3) print(metrology.verify_filter_class(bank)["overall_class"]) # 1 ``` Los veredictos también llegan por banda, de modo que puedes ver exactamente dónde un diseño se saldría de su pasillo de clase. Guías de fondo: [Ponderación frecuencial](/phonometry/es/guides/weighting/) (sección de verificación de clase) y [Bancos de filtros](/phonometry/es/guides/filter-banks/) (conformidad de clase). ## Adónde ir después El sonómetro construido aquí es el tronco; el resto del núcleo crece de él. - [Incertidumbre de medida (GUM y Monte Carlo)](/phonometry/es/guides/gum-uncertainty/): acompaña de una incertidumbre el LAeq que acabas de calcular, término de calibración incluido. - [Análisis espectral calibrado](/phonometry/es/guides/spectral-analysis/): cuando las bandas se quedan cortas, la PSD de Welch con intervalos de confianza. - [Correlación, retardo y envolvente](/phonometry/es/guides/correlation-delay/): dos micrófonos en lugar de uno, y el retardo entre ellos. - [Procesado por bloques](/phonometry/es/guides/block-processing/): convierte el sonómetro fuera de línea de esta página en uno en streaming con estado de filtro arrastrado. ## Qué cubre esta guía **Cubierto.** Esta página compone etapas ya implementadas en otras guías en la cadena que describe IEC 61672-1:2013: la ponderación frecuencial A y la ponderación temporal exponencial Fast, el LAeq, los niveles percentiles, el nivel de exposición sonora y el pico con ponderación C, los filtros de banda de octava de IEC 61260-1:2014 de `octave_filter`, y los límites de aceptación de clase de la Tabla 3 (ponderación) y la Tabla 1 (filtro) que comprueban `verify_weighting_class` y `verify_filter_class`. Cada guía de fondo indica su propia cobertura en detalle. **No cubierto.** `verify_weighting_class` y `verify_filter_class` comprueban el diseño de respuesta en frecuencia de los filtros digitales frente a las tablas de las normas; no realizan los ensayos de evaluación de patrón de IEC 61672-3 que necesita un instrumento físico para su aprobación de tipo, como el ruido autogenerado, el rango de linealidad, la indicación de sobrecarga o la respuesta direccional. Un veredicto de clase de esta página describe el algoritmo, no un aparato construido. Los ensayos de conformidad del calibrador de IEC 60942:2017 tampoco se ejecutan aquí; consulta la [guía de calibración](/phonometry/es/guides/calibration/) para lo que `sensitivity()` comprueba y lo que no. ## Véase también - Referencia de la API: [`metrology.calibration`](/phonometry/es/reference/api/levels/calibration/), [`metrology.parametric_filters`](/phonometry/es/reference/api/filters/parametric-filters/), [`metrology.levels`](/phonometry/es/reference/api/levels/levels/), [`phonometry`](/phonometry/es/reference/api/filters/phonometry/) y [`metrology.compliance`](/phonometry/es/reference/api/filters/compliance/).